SGJki.
← report AI日报 · 2026-08-13

AI 日报·2026-08-13：Grok 4.6、Qwen3.8 首开源 Max 级权重、微软首个自研推理模型三线登场

解读 2026-08-13 AI HOT 日报 20 条动态：xAI Grok 4.6 强化长时智能体、阿里 Qwen3.8-2.4T-A95B 首次开源 Max 级权重、微软 MAI-Thinking-1 上线、DeepSeek V4 Pro 同日发布、OpenRouter 网页搜索基准、WhatsApp 端侧诈骗识别等。

13 min read AI HOT 日报 2026-08-13 全 20 条：模型发布（Grok 4.6、Qwen3.8-2.4T-A95B、MAI-Thinking-1、DeepSeek V4 Pro、LTX-2.5）、产品更新、行业动态、论文研究与技巧观点。
#AI日报#LLM#开源模型#AI Agent#推理模型#安全

核心导语

今天的 AI 日报是”模型发布日”：xAI 的 Grok 4.6、阿里首次开源 Qwen-Max 级权重 Qwen3.8-2.4T-A95B、微软首个自研推理模型 MAI-Thinking-1、以及 DeepSeek V4 Pro 同日登场——其中 DeepSeek V4 Pro 与 Grok 4.6 更是 2 小时内先后发布。与之相对的，还有一批值得冷静对待的反思类内容——AI 造假（Research Gold）、AI 维护开源项目（AutoGPT）、以及”AI 教科书写作进展停滞”的作者自述。

以下按技术属性分类，精选今日 20 条日报中最具参考价值的条目解读。

一、模型发布/更新

1. xAI 发布 Grok 4.6：强化长时运行智能体能力（1.5T 参数）

xAI 在 Grok 4.5 基础上发布升级版 Grok 4.6（1.5T 参数），核心方向是长时运行智能体与交互式/视觉工作能力的强化。官方给出的定位证据是：在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

对开发者来说，这释放的信号是”智能体续航”——即模型能否在长时间、多步骤的任务中保持状态一致性、不漂移，正成为前沿模型的比拼点，而非单点准精度。

来源：https://x.ai/news/grok-4-6

2. 阿里首次开源 Qwen-Max 级权重：Qwen3.8-2.4T-A95B

这是今天最值得关注的一条。阿里开放了 Qwen3.8-2.4T-A95B 模型权重，关键规格：

  • 总参数：2.4T（MoE 架构）
  • 每 Token 激活参数：95B
  • 上下文：原生支持 262,144 Token（即 256K），并可扩展至 1,010,000 Token（约 1M）
  • 定位：Max 级别模型首次开源
  • 架构：混合注意力架构（mixed attention architecture）

原生 256K 上下文已是当前主流前沿水平，而扩展至约 1M Token 的能力意味着可以支撑超长文档、完整代码库级上下文这类场景。2.4T 总参 / 95B 激活的 MoE 规模意味着：本地或私有化部署接近顶尖闭源模型能力的系统成为可能。这对实验室、企业私有化场景是重大利好——此前 Qwen 开源的多为 3B-70B 级别的小模型，这次是旗舰级权重直接放出。

来源：https://www.ithome.com/0/989/001.htm

3. LTX-2.5 登场：AI 生成 10 秒 720P 视频仅需 6.8 秒

  • 性能：在 2 张 GB200 配置下，AI 生成 10 秒 720P 视频仅需 6.8 秒
  • 音频：LTX-2.5 Fast 每秒 0.09 美元即可生成带音频的 720p 视频（视频和音频同时生成）
  • 免费策略：年收入低于 1,000 万美元的组织可免费使用
  • 生态：原生集成 ComfyUI

低门槛 + ComfyUI 原生集成 + 音视频联合生成，意味着视频生成正从”可玩”走向”可管线化”——开发者可以直接在既有 ComfyUI 工作流里接入这套生成能力，且无需另做音频合成环节。

来源：https://www.ithome.com/0/988/766.htm

4. 微软首发自研推理模型 MAI-Thinking-1

微软在 Microsoft Foundry 平台上线了 MAI-Thinking-1，官方（Mustafa Suleyman）强调这是从零构建、未蒸馏第三方模型的首个微软自研推理模型。这是微软推理能力产品化的正式落地。

来源：https://x.com/mustafasuleyman/status/2087570047967408396

15. DeepSeek V4 Pro 与 Grok 4.6 同日发布，双双逼近 Claude Fable 5 体验

公众号”数字生命卡兹克”报道，DeepSeek V4 Pro 与 Grok 4.6 在 2 小时内先后发布。两款模型的参数规格分别为 DeepSeek V4 Pro 是 1.6T 参数、Grok 4.6 是 1.5T 参数。

两款模型均被评价逼近 Claude Fable 5 体验。结合前文 Qwen 开源、SGLang Day-0 支持等信息，今天的模型发布密度相当高——多个旗舰级、准旗舰级模型在一天内扎堆亮相。

来源：https://mp.weixin.qq.com/s?__biz=MzIyMzA5NjEyMA%3D%3D&mid=2647685175&idx=1&sn=64c383b5b757945397894270c5f38301

二、产品发布/更新

5. OpenRouter 推出实时网页搜索基准测试

OpenRouter 推出实时网页搜索基准测试（web-search benchmark），用实时排行榜系统评测模型、搜索引擎、搜索方法与预算组合。两个数据点很有参考价值：

  • 搜索预算：从 1 轮增至 25 轮，BrowseComp 得分近乎翻倍，而成本仅增加 2.5-7 倍——即”预算翻 25 倍成本只增几倍”，是一笔得分收益远高于成本增长的买卖
  • 模型 vs 引擎：模型选择比搜索引擎更重要（平均分差 15 分 vs 10 分）

给 Agent 类应用的初步结论：与其反复调搜索引擎，不如先把模型选对；而把搜索预算从 1 轮拉到 25 轮，虽然成本增加 2.5-7 倍，但得分近乎翻倍，是收益很划算的杠杆。

来源：https://openrouter.ai/blog/announcements/web-search-benchmark

6. Claude in Chrome 侧边栏升级为 Claude Cowork 会话

Chrome 侧边栏里的 Claude 升级为 Claude Cowork 会话，核心变化：

  • 对话保存至历史记录（不再是临时会话）
  • 技能（Skills）和连接器（Connectors）可在浏览器中工作
  • 任务可在桌面、网页、移动端应用之间无缝切换

把浏览器侧栏从”临时问答”变成”可持久化的 Agent 工作空间”，是 Claude 桌面生态往浏览器场景迁移的一步。

来源：https://claude.com/blog/cowork-chrome-side-panel

7. SGLang × Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持

配合 Qwen3.8 开源，SGLang 与 Miles 推理框架发布首日即提供 Day-0 支持。来源对 Qwen 最大开源模型的描述为：2.4T 总参数、每 token 激活 95B、混合注意力架构。

对一个 2.4T 级别的超大规模 MoE 模型，Day-0 推理支持意味着开发者拿到权重当天就能跑起来（而非等社区逆向适配这种超大规模模型）。对自建推理服务团队，这套”2.4T/95B 激活 + 混合注意力”的组合如何做算子优化（例如是否有类似此前”Fused MoE”的优化路径），会是后续关注点。

来源：https://www.lmsys.org/blog/2026-08-12-qwen3-8-day0-support

8. WhatsApp 用端到端加密构建 Scam Alert 诈骗提醒

Meta 用端到端加密 + 设备端 ML构建 WhatsApp 的 Scam Alert 功能：

  • 诈骗识别 ML 模型在设备端运行，消息不离开设备、不自动上报
  • 模型权重公开发布，供独立验证
  • 目前处于 Beta 版有限推出

这是隐私保护与恶意内容检测结合的一个典型案例：既要识别诈骗，又不破坏端到端加密承诺，方案的答案是把推理完全放到设备端。

来源：https://engineering.fb.com/2026/08/12/security/how-were-building-scam-alert-whatsapp

9. Claude Code v2.1.229 发布：远程会话恢复、插件市场命令源及多项修复

  • 新增：远程控制会话恢复、自托管 runner 服务器端 hook 支持、插件市场命令源
  • 修复：长响应流式输出丢失、窄终端渲染崩溃等问题

对于在远程/自托管环境跑 Claude Code 的团队，“会话恢复”解决了长任务中断后从头再来的痛点；而自托管 runner 的服务器端 hook 支持则让部署方可以在服务端注入校验/钩子逻辑，扩展了自托管场景的定制能力。

来源：https://github.com/anthropics/claude-code/releases/tag/v2.1.229

三、行业动态

10. Research Gold：宣称”100% 人类撰写”，实为全程 AI 驱动

Hacker News 热门的 404 Media 调查发现，医学研究服务 Research Gold 存在系统性造假。该服务对外宣称”100% 人类撰写、绝不使用 AI”，但实际运营却全程由 AI 驱动。调查发现的具体细节：

  • 列出的”博士审稿人”系 AI 生成、并不存在
  • 部分真实方法学家的身份被冒用/挪用（用真人名字背书，但本人并不知情或未参与）
  • AI 助手自称真人应答（用户在不知情的情况下与冒充真人的 AI 助手对话）

这是 AI 时代内容认证问题的典型案例——当 AI 生成质量逼近真人，且被商业主体主动伪装（连背书专家都虚拟化），身份与来源的可验证性成为新的治理难题。对科研出版与评审领域尤甚，因为”人类专家背书”正是其信任体系的核心。

来源：https://www.404media.co/company-offering-100-human-written-never-ai-peer-review-is-entirely-ai

11. RingCentral 用 ChatGPT Work 和 Codex 构建 AI 原生工作流

OpenAI 官网报道，RingCentral 全员发放 ChatGPT Work 和 Codex，其 AI-Native Challenge 让数千名员工（含非技术人员）交付了可运行项目。

对企业组织的一个信号：让”非技术员工”通过 AI 辅助交付可运行项目，“AI 全员化”正从口号变成可执行的规模化实践。

来源：https://openai.com/index/ringcentral

四、论文研究

12. Google：Recall 是参数化事实性的瓶颈，“丢钥匙”而非”空货架”

Google Research 提出的知识画像（knowledge portrait）框架发现：前沿 LLM 的事实编码接近饱和，但”回忆”能力不足——多数事实错误源于”丢钥匙”（无法取出已编码的知识）而非”空货架”（知识根本不存在）。配套推出 WikiProfile 基准：2,150 条事实 × 10 个问题的评测集。

来源：https://research.google/blog/empty-shelves-or-lost-keys-recall-is-the-bottleneck-for-parametric-factuality

13. Anthropic 联合独立研究者发布工人再培训项目证据综述

Anthropic 联合独立研究者发布关于工人再培训项目的证据综述，其证据来自两方面并列的研究：56 项美国随机研究、以及欧洲实验。综述用于评估面对 AI 劳动力冲击时再培训项目的实际效果。

涉及 AI 对劳动力市场冲击的政策研究者值得直接参考原始综述。

来源：https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

五、技巧与观点

14. 零基础用户半天上手 AI 的 12 步实操流程

“数字生命卡兹克”整理了一套零基础用户的 12 步上手流程，关键要素：

  • 硬件前提：16G 内存电脑、订阅 ChatGPT、装 Codex
  • 任务交代：用【背景、痛点、需求】框架描述任务
  • 需求澄清：用苏格拉底提问法澄清需求
  • 沉淀复用：最终把流程沉淀为可复用的 Skill

值得借鉴的是”背景-痛点-需求”的结构化任务描述，和最终把一次性操作沉淀为 Skill 的习惯。

来源：https://mp.weixin.qq.com/s?__biz=MzIyMzA5NjEyMA%3D%3D&mid=2647685084&idx=1&sn=0899296dbc140eeb745f7a99f9d5ed9c

16. AutoGPT：如何用 AGENTS.md 和技能门控（skill gates）管理 AI 生成的 PR

GitHub Blog 介绍了 AutoGPT 项目管理 AI 生成拉取请求的实践，核心手段是技能门控（skill gates）——通过一组强制门槛来筛选/规范智能体提交的代码：

  • 强制 PR 模板
  • 强制测试计划
  • CI 覆盖率门槛
  • CLA 签名

效果：把智能体提交的 PR 从”不可用”变成”可用但不符合路线图”。来源还指出，CLA 签名被用作区分人与智能体的”人类探测器”。

对于接受开源贡献、而 AI 生成代码越来越多的维护者，这套门控体系极具参考价值——它不是一刀切拒绝 AI，而是用工程化手段给 AI 贡献划定边界与质量基线。

来源：https://github.blog/open-source/maintainers/your-contributors-are-ai-first-now-is-your-project

17. Nathan Lambert：我写了一本 AI 教科书——AI 还要多久才能写得更好？

Nathan Lambert（Interconnects）反思 LLM 在长文非虚构写作上进展停滞：能改错字、做编辑，但组织整章内容时仍混乱易出错。他进一步认为，这阻碍了机器自主解决开放科学问题。

这是对”AI 已能写长文”的冷静纠偏——单段/短文生成早已过关，但跨度几个章节的结构性组织仍是难点。

来源：https://www.interconnects.ai/p/i-wrote-an-ai-textbook-how-long-until

18. OpenRouter 工具调用指南：一次编写循环，切换模型字符串即可跨模型运行

OpenRouter 的教程展示了如何用同一套工具调用循环，在 Claude、GPT 和开源权重模型间切换——只需改模型字符串即可。教程附 cURL、Python 和 JS/TS 三种语言的示例，覆盖不同技术栈的接入方式。

来源：https://openrouter.ai/blog/tutorials/tool-calling

19. LangChain：什么是 AI 智能体

LangChain 对”智能体 vs 工作流”做了一个清晰的界定：

  • 智能体：模型-执行-观察-再行动的自主任循环
  • 工作流：固定步骤的预编排
  • 互补关系：工作流保证确定性，智能体提供灵活性

来源：https://www.langchain.com/blog/what-is-an-agent

20. OpenAI：企业如何用 ChatGPT 和 Codex 落地智能体 AI

OpenAI 官网称，头部公司已将 AI 从”辅助”转向”执行”，率先把智能体投入实际业务流程。这条与第 11 条 RingCentral 案例互相印证——同一波在企业场景里用 ChatGPT Work + Codex 落地可执行智能体的趋势，正在从单点案例走向行业规模化复制。

来源：https://openai.com/index/how-enterprises-put-ai-to-work

全条目速览（20 条）

#标题来源
1xAI 发布 Grok 4.6，强化长时运行智能体能力xAI News
2阿里开放 Qwen3.8-2.4T-A95B 权重：2.4T MoE、激活 95B、原生 256K 上下文IT之家
3LTX-2.5 登场：AI 生成 10 秒 720P 视频仅需 6.8 秒IT之家
4微软首发自研推理模型 MAI-Thinking-1X：Mustafa Suleyman
5OpenRouter 推出实时网页搜索基准测试OpenRouter
6Claude in Chrome 侧边栏升级为 Claude Cowork 会话Claude Blog
7SGLang 与 Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持LMSYS Blog
8WhatsApp 用端到端加密构建 Scam Alert 诈骗提醒Meta Engineering Blog
9Claude Code v2.1.229：远程会话恢复、插件市场命令源及多项修复Claude Code GitHub Releases
10Research Gold 号称”100% 人类撰写”实为全程 AI 驱动Hacker News / 404 Media
11RingCentral 用 ChatGPT Work 和 Codex 构建 AI 原生工作流OpenAI 官网
12Google：Recall 是参数化事实性的瓶颈，“丢钥匙”而非”空货架”Google Research
13Anthropic 联合发布工人再培训项目证据综述Anthropic Research
14零基础用户半天上手 AI 的 12 步实操流程公众号：数字生命卡兹克
15DeepSeek V4 Pro 与 Grok 4.6 同日发布，逼近 Claude Fable 5 体验公众号：数字生命卡兹克
16AutoGPT 用 AGENTS.md 和技能门控管理 AI 生成的 PRGitHub Blog
17我写了一本 AI 教科书——AI 还要多久才能写得更好？Nathan Lambert / Interconnects
18OpenRouter 工具调用指南：一次编写循环跨模型运行OpenRouter
19LangChain：什么是 AI 智能体？LangChain Blog
20OpenAI：企业如何用 ChatGPT 和 Codex 落地智能体 AIOpenAI 官网

今日速览

今天的 20 条日报集中在三个方向：

  1. 模型发布日：Grok 4.6（1.5T）、Qwen3.8-2.4T-A95B（首次开源 Max 权重）、MAI-Thinking-1、DeepSeek V4 Pro（1.6T）+ LTX-2.5，密度极高——其中 Qwen3.8 与 DeepSeek V4 Pro 都在 2.4T/1.6T 级参数上正面冲击旗舰体验。
  2. 智能体基础设施：OpenRouter 网页搜索基准、SGLang/Qwen Day-0、Claude Cowork 会话、Claude Code 远程会话恢复，都在为 Agent 的长时运行与工程化铺路。
  3. AI 治理与反思：Research Gold 造假事件、AutoGPT 的 AGENTS.md 门控、Google “Recall 是瓶颈”研究、Nathan Lambert 的长文写作反思，共同指向”当 AI 深度介入内容生产与开源协作后，如何验证来源、设定边界”这一根本问题。

值得持续跟踪的线索：Qwen3.8-2.4T-A95B 的权重释放 + SGLang Day-0 支持，会是接下来推理优化社区的研究热点——尤其是超大规模 MoE 模型在超长上下文场景下的部署与算子优化。

Sources

  1. xAI 发布 Grok 4.6 — xAI News
  2. 阿里开放 Qwen3.8-2.4T-A95B 权重（报道） — IT之家
  3. LTX-2.5 登场：AI 生成 10 秒 720P 视频仅需 6.8 秒（报道） — IT之家
  4. 微软首发自研推理模型 MAI-Thinking-1 — X（Mustafa Suleyman）
  5. DeepSeek V4 Pro 与 Grok 4.6 同日发布，逼近 Claude Fable 5 体验 — 公众号：数字生命卡兹克
  6. OpenRouter 推出实时网页搜索基准测试 — OpenRouter Blog
  7. Claude in Chrome 侧边栏升级为 Claude Cowork 会话 — Claude Blog
  8. SGLang × Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持 — LMSYS Blog
  9. WhatsApp 用端到端加密构建 Scam Alert 诈骗提醒 — Meta Engineering Blog
  10. Claude Code v2.1.229 Release — GitHub（anthropics/claude-code）
  11. Research Gold：宣称 100% 人类撰写实为全程 AI 驱动 — 404 Media
  12. RingCentral 用 ChatGPT Work 和 Codex 构建 AI 原生工作流 — OpenAI
  13. Recall 是参数化事实性的瓶颈："丢钥匙"而非"空货架" — Google Research
  14. 工人再培训项目证据综述 — Anthropic Research
  15. 零基础用户半天上手 AI 的 12 步实操流程 — 公众号：数字生命卡兹克
  16. AutoGPT 用 AGENTS.md 和技能门控管理 AI 生成的 PR — GitHub Blog
  17. 我写了一本 AI 教科书——AI 还要多久才能写得更好？ — Interconnects（Nathan Lambert）
  18. OpenRouter 工具调用指南 — OpenRouter Blog
  19. 什么是 AI 智能体 — LangChain Blog
  20. 企业如何用 ChatGPT 和 Codex 落地智能体 AI — OpenAI